1. 自我介绍2. 为什么要用 DPO，你的 DPO 数据从哪里来DPO 主要用来做偏好对齐，让模型在两个候选答案中更倾向于选择符合业务偏好的回答，而不是只学会复现标准答案。SFT 解决的是“会不会做”，DPO 更偏向解决“更喜欢哪种做法”。数据一般不是直接从线上拿一问一答就能用，而是先用上一版 checkpoint 对同一批 prompt 做多候选采样，再经过规则、模型评审和人工复核构造 chosen/rejected。这里不用商业 API 蒸馏正反样本，是因为不同模型的输出分布和本地模型不一致，直接蒸馏会让偏好边界偏到外部模型的风格上，最后 DPO 学到的是别人的分布，不一定能提升当前模型...

春招约不到面试，太难受了

一个做后端的朋友，实习第三个月第一次独立上线了一个功能。那天晚上他盯着监控面板看了一个小时，就看着请求进来、数据出去，什么问题都没有。他说那一刻突然觉得之前被mentor骂的、被需求改来改去的，好像都值了。还有个做产品的，实习快结束时参加了一次用户调研。一个真实用户说"你们这个功能我每天都在用，特别顺手"。她说那是她做了几个月需求文档、改了无数版原型之后，第一次感觉自己做的东西被人需要了。最戳我的是一个测试实习生说的。他说有一天发现自己提的一个bug，被开发改完上线了，影响了几十万用户。"那一刻我才明白，测试不是打杂的，是真的在保护用户。"实习最开始觉得...